Error matrix for the SVM model on Pred_027_2016_H2_T.csv [validate] (counts):
Predicted
Actual - 101 Error
- 161761866677475.9022423858513168.41133317683446781.0
Error matrix for the SVM model on Pred_027_2016_H2_T.csv [validate] (proportions):
Predicted
Actual - 101 Error
- 16.820.50.875.902.542.31.48.411.519.44.981.0
Overall error: 46 %, Averaged class error: 55.1
분류의 추세는 또 무엇입니까? 클래스 예측 오류는 추세를 깨고 추세에 아무것도 남지 않습니다.
글쎄요, 저는 입력만 정의합니다. 출력은 MO의 결과가 아니라 트롤에 의해 처리됩니다.
물론, 전나무!
다른 무엇?
이제 계산하겠습니다.
관심 갖고 기다리고 있습니다!
관심 갖고 기다리고 있습니다!
여기.
필요한 나무의 수가 증가했습니다. 확실히 100개가 아닙니다.
오류를 올바르게 계산하지 않습니다. 이전보다 열악하지만 여전히 매우 괜찮은 열로 계산해야 합니다.
전체 오차: 17.1%, 평균 클래스 오차: 18.83333%
Pred_027_2016_H2_T.csv [test](counts)의 Random Forest 모델에 대한 오류 행렬:
예측
실제 -1 0 1 오류
-1 19963 5131 328 21.5
0 2259 37753 2104 10.4
1 404 5703 17597 25.8
Pred_027_2016_H2_T.csv [테스트](비율)의 랜덤 포레스트 모델에 대한 오류 행렬:
예측
실제 -1 0 1 오류
-1 21.9 5.6 0.4 21.5
0 2.5 41.4 2.3 10.4
1 0.4 6.3 19.3 25.8
전체 오차: 17.4%, 평균 클래스 오차: 19.23333%
오류의 놀라운 안정성은 매우 고무적입니다.
여기.
필요한 나무의 수가 증가했습니다. 확실히 100개가 아닙니다.
오류를 올바르게 계산하지 않습니다. 이전보다 열악하지만 여전히 매우 괜찮은 열로 계산해야 합니다.
고맙습니다! 이것은 예측 변수 세트가 그렇게 나쁘지 않다는 것을 의미하며 확장하는 것이 합리적입니다!
오류의 놀라운 안정성은 매우 고무적입니다.
아니면 아주 전형적인 샘플일까요? 어떻게든 2015년부터 파일에 대해 배우고 2016년을 확인하는 것이 필요하다고 생각합니다. 말하자면 반대 방향의 글로벌 추세가 있기 때문에 시스템이 그곳에서 그렇게 효율적으로 작동할 수 없을 것이라고 생각합니다.
음, 다른 방법을 알고 싶은데요... 맥심의 숲이 여기에서 형성 논리면에서 동일하다는 것이 흥미로운가요?
고맙습니다! 따라서 예측 변수 세트는 그렇게 나쁘지 않으며 확장하는 것이 합리적입니다!
아니면 아주 전형적인 샘플일까요? 어떻게든 2015년부터 파일에 대해 배우고 2016년을 확인하는 것이 필요하다고 생각합니다. 말하자면 반대 방향의 글로벌 추세가 있기 때문에 시스템이 그곳에서 그렇게 효율적으로 작동할 수 없을 것이라고 생각합니다.
음, 다른 방법을 알고 싶은데요... 맥심의 숲이 여기에서 형성 논리면에서 동일하다는 것이 흥미로운가요?
나는 위에서 썼고, 나는 반복한다:
추신.
예측자 등이 풍부합니다.
나는 위에서 썼고, 나는 반복한다:
모든 것이 이미 두 개의 파일로 분할된 경우 파일을 분할하는 이유는 무엇입니까? 나는 R에서 이것을 하는 방법을 모릅니다. 아무도 설명할 수 없습니다. 분명히 어리석은 것입니다.
추신.
예측자 등이 풍부합니다.
예, 그렇지 않습니다. ATS 사용을 포함하여 실제 거래에서 사용하는 것은 이것이 전부가 아닙니다.
네트워크가 역사상 최적화된 Expert Advisor를 능가할 수 있기를 진심으로 바랍니다. :)
어디서 그렇게 많은 평가자를 얻었습니까? 전략에 대해 수동으로 선택했습니까? 우와 :)
스캐폴딩의 논리는 +-가 같아야 합니다.
여기 또 다른 모델이 있습니다.
결과는 질적으로 다르지만 모델은 질적으로 다르지만 데이터에서 제대로 작동하지 않습니다.
randomForest를 염두에 둘 필요가 있습니다.
네트워크가 역사상 최적화된 Expert Advisor를 능가할 수 있기를 진심으로 바랍니다. :)
모든 것이 이미 두 개의 파일로 분할된 경우 파일을 분할하는 이유는 무엇입니까? 나는 R에서 이것을 하는 방법을 모릅니다. 아무도 설명할 수 없습니다. 분명히 어리석은 것입니다.
나누기 - 절대 침을 뱉지 마세요. 문제는 R에 대한 편견입니다.
네트워크가 역사상 최적화된 Expert Advisor를 능가할 수 있기를 진심으로 바랍니다. :)
왜 네트워크인가?